| Contents | 第1-2页 |
| 中文摘要 | 第2-3页 |
| 英文摘要 | 第3-7页 |
| 1 引言 | 第7-9页 |
| 1．1 人工智能——从符号主义，结构主义到演化主义 | 第7-8页 |
| 1．2 动机与本文结构 | 第8-9页 |
| 2 人工神经元网络 | 第9-26页 |
| 2．1 人工神经元网络简介 | 第9-12页 |
| 2．2 交叉覆盖神经元网络及其应用 | 第12-22页 |
| 2．2．1 交叉覆盖神经元网络简介 | 第12-14页 |
| 2．2．2 应用Ⅰ—DNA序列分类 | 第14-21页 |
| 2．2．3 应用Ⅱ—UCI波形数据分类 | 第21-22页 |
| 2．3 统计学习理论 | 第22-26页 |
| 2．3．1 统计学习理论简介 | 第22-24页 |
| 2．3．2 基于核函数的SVM机与三层前向神经网络的关系 | 第24-26页 |
| 3 群体智能 | 第26-44页 |
| 3．1 群体智能简介 | 第26-28页 |
| 3．2 群体智能主要研究问题 | 第28-35页 |
| 3．2．1 蚂蚁分拣行为的计算机仿真 | 第28-30页 |
| 3．2．2 从蚂蚁觅食到蚂蚁优化算法 | 第30-33页 |
| 3．2．3 从Boid到粒子群体优化（PSO：Particle Swarm Optimization） | 第33-35页 |
| 3．3 群体智能的数学模型——筑巢行为的数学模型 | 第35-44页 |
| 3．3．1 迭代函数系统IFS | 第35-37页 |
| 3．3．2 蚂蚁，蜜蜂筑巢行为的数学模型 | 第37-44页 |
| 4 演化算法 | 第44-52页 |
| 4．1 演化算法简介 | 第44-47页 |
| 4．2 佳点集遗传算法 | 第47-49页 |
| 4．2．1 佳点集的基本定义与性质 | 第47-48页 |
| 4．2．2 基于佳点集的交叉算子 | 第48-49页 |
| 4．3 佳点集遗传算法求解Job-shop问题 | 第49-52页 |
| 4．3．1 Job-shop问题 | 第49-50页 |
| 4．3．2 遗传算法设计 | 第50-52页 |
| 5 DNA计算 | 第52-55页 |
| 6 结语 | 第55-56页 |
| A Job-shop问题数据 | 第56页 |
| B DNA特征数据 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 导师，作者简介 | 第65-66页 |
| 致谢 | 第66页 |
